はじめに
prompt だけを送れば、16:9・720p・5 秒で音声付きのクリップが返ります。duration_seconds、resolution、aspect_ratio、generate_audio、watermark、return_last_frame、output_format を加えて調整できます。アップロードは必要ありません。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 出力 | 動画 |
| 提供元 | ByteDance(Seedance 2.5 Flash は Seedance 2.5 の高速版で、2026 年 11 月 12 日に BytePlus が発表) |
| API 名 | bytedance/seedance-2.5-flash/text-to-video、image-to-video、reference-to-video、video-edit、video-extend |
| 解像度 | 480p または 720p(既定は 720p)。1080p と 4K は非対応 |
| クリップの長さ | 4〜30 の整数秒、既定は 5 秒。動画編集は 4〜30 秒の元クリップに従う |
| アスペクト比 | テキストとリファレンスのリクエストでは 16:9(既定)、9:16、4:3、3:4、1:1、21:9、adaptive。画像から動画は開始画像に従う |
| リファレンスの上限 | リファレンスから動画では、画像 10 枚、動画 5 本(合計 30 秒)、音声 5 本まで |
| リファレンス動画の条件 | 1 本につき 2 秒以上として数え、約 409,600 ピクセル(854×480 以上)が必要 |
| 編集の入力 | 4〜30 秒の |
| 音声 |
|
| 出力オプション | mp4(既定)または mov。watermark は既定でオフ。 |
| 課金の基準 | 解像度ごとの秒単位。リファレンス動画はその秒数を加算、編集は元クリップの秒数。失敗した生成は無料 |
| 実測の生成時間 | 4 秒・480p で 84 秒〜約 11 分(2026 年 11 月 13 日の実行) |
主な機能とハイライト
上限を下げた、フラッグシップのワークフロー
Flash は、下書きに向く Seedance 2.5 の 4 つのワークフロー(テキスト、開始・終了フレーム、混合リファレンス、クリップ編集)を残して 1080p と 4K を外し、画像から動画モードを使った動画延長を加えています。BytePlus はこのトレードオフを、フラッグシップに近い結果をほぼ 2 倍の速度で、と説明しています。私たちの 4 秒・480p のレンダーは 84 秒から約 11 分かかったので、速度はご自身のキューで測ってください。
プロンプトで、アップロードごとに役割を与える
素材は、スペースを入れた種類と順番(@Image 1、@Video 1、@Audio 1)で呼びます。2 枚のポートレートを @Image 1 と @Image 2 にして 16:9 で試したときは、2 人が同じエレベーターの場面に並び、顔、髪、服もそのまま保たれました。画像 1 枚、クリップ 1 本、声のファイル 1 本の場合は、クリップの通り、黄色い路面電車、追いかけるカメラが引き継がれましたが、人物は背中を向けたままで、@Image 1 の顔はほとんど映りませんでした。
晴れた通りが雪の夕方に
2 人の乗り手、自転車、路面電車、カメラの動きは、元のフレームとコマごとに一致し、天気と光だけが変わって、ほかは変わりませんでした。音声オフの 4.0 秒・480p のクリップで、元のサウンドトラックもそのまま残りました。
スイッチ 1 つで、どちらのサウンドトラックにするかが決まる
generate_audio は既定でオンで、映像と一緒にセリフ、効果音、環境音を生成します。動画編集でオフにすると元クリップ自身のトラックが残り(私たちのテストでは 44.1 kHz)、オンにすると @Audio 1 に沿える新しいトラックが生成されます。このスイッチは料金に影響しません。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 被写体、主な動き 1 つ、カメラの動き、光を書き、最後に聞こえるものを並べた Audio: の行を置きます。テストしたプロンプトはこの順で、クリップもそのとおりになりました。 1 文字以上 · 20000 文字以内 |
aspect_ratio | いいえ | 16:9(既定)、9:16、4:3、3:4、1:1、21:9、または adaptive(画面の形をモデルに任せます)。フィードやプレーヤーが特定の比率を求めるときは、固定の比率を使ってください。 |
resolution | いいえ | 解像度は 480p と 720p から選べて、省略すると 720p になります。横長で 480p を指定すると 854×480 で返ったので、480p でショットを固め、うまくいったプロンプトを 720p で繰り返してください。 |
duration_seconds | いいえ | 長さは 4〜30 の整数秒から選び、省略すると 5 秒です。指定した秒数で課金されます。 |
generate_audio | いいえ | 既定は true で、プロンプトのセリフ、効果音、環境音が映像と同時に作られ、テストでは AAC のステレオ音声が返りました。false にすると、同じ料金で無音のファイルが返ります。 デフォルト値: |
output_format | いいえ | mp4(既定)か mov を選べます。BytePlus は mov を、H.264 映像(yuv444p のクロマサンプリング)と PCM 音声として説明しており、編集タイムラインに向いています。 |
return_last_frame | いいえ | 初期値は false です。true にすると最後のフレームも JPEG で返ります(480p・16:9 のテストでは 854×480)。 デフォルト値: |
watermark | いいえ | 何も指定しない場合は false です。ByteDance のクラウドプラットフォームである BytePlus によると、true にすると AI 生成を示すマークが映像の右下に入るため、編集に使うファイルではオフのままにしてください。 デフォルト値: |
料金
指定した秒数 × 480p か 720p の単価で課金されます。4 秒を指定して 4.06 秒で返ったリクエストも、4 秒として計算されます。音声、アスペクト比、透かし、最後のフレーム、ファイル形式は料金に影響せず、失敗したリクエストは課金されません。
| 仕様 | 料金 |
|---|---|
| $0.115 / 秒 |
| $0.2392 / 秒 |
ユースケース
最終レンダーの前にショットの流れを試す
末尾に Audio: の行を付けた 4 秒・480p・16:9 のプロンプトを送ります。例は雨の夜の横断歩道です。私たちのテストでは、24 fps の 854×480、長さ 4.064 秒で、雨音と笑い声の AAC ステレオ音声が付いて返りました。語句を 1 つだけ変えて再実行すれば、何が変わったかを見比べられます。
撮影済みの映像のスタイルを変える
4〜30 秒のクリップをアップロードし、変更点を書いたあと、残すものを並べます。テストでは、2 人の自転車と路面電車がいる晴れた通りが雪の夕方になり、generate_audio をオフにすると元のサウンドトラックがそのまま返りました。
キャラクターと商品のモックアップ
人物写真と商品写真を @Image 1 と @Image 2 として付け、9:16 を指定します。2 枚の画像を使ったテストでは、男性がガラスのスポイトボトルをレンズに向けて持ち上げる 480×854 の映像が返り、両方のリファレンスが反映されました。結果はアイデアの確認に使い、そのあとで仕上げ版を作ってください。
ポートレートのループアニメーション
同じ写真を image_url と last_image_url の両方に指定し、その間の動きを書きます。陶芸家のポートレートでは、562×748・4.064 秒のクリップが返り、最初と最後のフレームがどちらも元のポーズと一致しました。
1 つのショットを次のショットにつなぐ
return_last_frame を true にすると、MP4 と一緒に最後のフレームの JPEG が届きます(テストでは 480p・16:9 で 854×480)。その JPEG を次の画像から動画のリクエストの image_url に渡せば、次のショットを前のショットの終わりから始められます。
プロンプトガイドと実践のヒント
入力に合わせてエンドポイントを選ぶ
プロンプトだけならテキストから動画、開始フレームがあるなら画像から動画、画像・クリップ・声を使うならリファレンスから動画、手元の 4〜30 秒のクリップを直すなら動画編集、最大 60 秒のクリップに 4〜30 秒を足すなら動画延長を使います。5 つとも、480p/720p の範囲と
generate_audioのスイッチは共通です。createTask リクエストを送る
POST https://api.spicyapi.ai/api/v1/jobs/createTask に、ヘッダー Authorization: Bearer YOUR_SPICY_API_KEY と、ボディ {"model": "bytedance/seedance-2.5-flash/text-to-video", "input": {"prompt": "A lighthouse keeper climbs a spiral stair at dawn and wipes fog from the lamp glass. Audio: wind, boots on iron.", "
duration_seconds": 4, "resolution": "480p"}} を付けて送信します。完成したクリップをポーリングで取得する
レスポンスには、state が queued の taskId が入っています。state が succeeded になるまで GET /api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID を呼ぶか callBackUrl を渡し、完了したら output.assets から MP4 の URL を読み取ります。項目の詳細は、docs.spicyapi.ai/docs/tasks のタスクガイドにあります。
1 つの語句を変えて、次へ進む
バリエーションは 480p・4 秒で比べ、1 回の実行で変えるのは 1 つの語句だけにします。うまくいったテイクは、720p と目的の長さで再実行するか、1080p が必要なら同じ指示を Seedance 2.5 に送ってください。
Seedance 2.5 Flash のテキストから動画:書いたショットを映像に
Seedance 2.5 Flash のテキストから動画は、プロンプトだけで生成するための、ByteDance の Seedance 2.5 高速版のエンドポイントです。テキストを送ると、480p か 720p・4〜30 秒のクリップが、セリフ、効果音、環境音を同じ処理の中で生成した状態で返ります。ByteDance のクラウドプラットフォームである BytePlus は、Flash がフラッグシップに近い結果をほぼ 2 倍の生成速度で出せるとしており、1080p と 4K は非対応と記しています。
リクエスト例
公開名 bytedance/seedance-2.5-flash/text-to-video でタスクを作成します。Authorization: Bearer YOUR_SPICY_API_KEY と Content-Type: application/json を付けて POST https://api.spicyapi.ai/api/v1/jobs/createTask を送ってください。ポーリングとコールバックについては、タスク API ガイドで説明しています。
{
"model": "bytedance/seedance-2.5-flash/text-to-video",
"input": {
"prompt": "A young woman in a yellow raincoat sprints across a rain-soaked city crosswalk at night, neon signs reflected in the wet asphalt. She ducks under a shop awning, pushes back her hood and laughs, shaking water from her hair. Handheld tracking shot at street level. Audio: heavy rain on pavement, a passing car hissing through puddles, her breathless laugh.",
"duration_seconds": 4,
"resolution": "480p",
"aspect_ratio": "16:9",
"generate_audio": true,
"return_last_frame": true
}
}
レスポンス例
送信すると、state が queued のタスクが返ります。succeeded になるまで GET /api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID をポーリングするか、callBackUrl を渡してください。
{"code": 200, "msg": "success", "data": {"taskId": "YOUR_TASK_ID", "state": "queued"}}
{"code": 200, "msg": "success", "data": {"taskId": "YOUR_TASK_ID", "state": "succeeded", "output": {"assets": [{"url": "https://example.com/clip.mp4"}]}}}
return_last_frame をオンにすると、完了したタスクには最後のフレームの JPEG も含まれます。
パラメーター
| パラメーター | 値 | 既定値 |
|---|---|---|
prompt | テキストの指示 | 必須 |
duration_seconds | 4〜30 | 5 |
resolution | 480p、720p | 720p |
aspect_ratio | 16:9、9:16、4:3、3:4、1:1、21:9、adaptive | 16:9 |
generate_audio | true、false | true |
watermark | true、false | false |
return_last_frame | true、false | false |
output_format | mp4、mov | mp4 |
課金の仕組み
テキストから動画は、選んだ解像度の単価で、指定した秒数ごとに課金されます。このページには 1 秒あたりの価格が表示されています。4 秒を指定したリクエストは 4.064 秒で返り、4 秒として計算されました。音声、画面比、透かし、最後のフレーム、形式は料金を変えず、失敗した生成は課金されません。
テキストだけでショットを書く
プロンプトの順序。 最初に被写体とその主な動きを 1 つ書き、そのあとにカメラ、光、音を続けます。BytePlus は被写体、動作、シーン、映像のスタイル、カメラ、音を挙げ、不要な部分は省いてよいとしています。Dreamina は、Flash のプロンプトは簡潔にして、1 つのはっきりした動作に絞るよう勧めています。テストしたプロンプトは 1 本の通りの中にとどまります。黄色いレインコート、雨宿りの駆け足、手持ちの追尾ショット、濡れたアスファルトに映るネオンです。
音。 最後に、音の出どころを平易な言葉で並べた Audio: の行を置きます。セリフは引用符で囲み、その前に言語と口調を書いてください。これは BytePlus が中国語以外のセリフについて示している決まりです。BytePlus は、音楽、効果音、セリフに角括弧を使う書き方も文書化していますが、私たちが試したのは平易な行だけです。
画面の形。 横長のプレーヤーには 16:9、縦型のフィードには 9:16、グリッド表示には 1:1、4:3、3:4、ワイドな切り出しには 21:9 を使います。adaptive はモデルに任せる指定で、初期の探索に向いています。テンプレートが比率を決めているときは、固定の比率を指定してください。
長さ。 私たちの 4 秒のテストには、走る、雨宿りする、笑うの 3 つの見せ場が収まりました。8〜15 秒なら、1 つのカメラの考え方のもとで 2〜3 つの見せ場を計画します。16〜30 秒では、時間の範囲を付けた行(0-8 s: ...、8-20 s: ...)を書いてください。ByteDance Seed は、プロンプトで特定の時間帯の物語、カメラ、リズムを指定できるとしています。私たちが実行したのは 4 秒のリクエストだけなので、長い構成は、720p に進む前に 480p で試してください。
つなぐ。 return_last_frame を true にし、返ってきた JPEG を bytedance/seedance-2.5-flash/image-to-video の image_url に渡して、次の見せ場のプロンプトを付けます。開始画像が形を決めるので、16:9 のフレームは 16:9 のまま続きます。クリップごとに別のサウンドトラックが付くため、Audio: の書き方は使い回してください。多くの生成モデルはクリップの終わり近くで動きが緩むので、必要より 1 秒長く依頼して、あとでトリミングしてください。
ファイル設定。 再生には mp4、編集タイムラインには mov を使います。BytePlus は mov を、H.264 映像(yuv444p のクロマサンプリング)と PCM 音声として文書化しています。プラットフォームがマークを求めるときを除いて、watermark はオフのままにしてください。BytePlus によると、オンにすると AI 生成を示すマークが右下に入るためです。
テストでわかったこと
| 実行(2026 年 11 月 13 日) | 結果 |
|---|---|
| 4 秒、480p、16:9、音声オン | 854×480、24 fps、4.064 秒、AAC ステレオ。書いたとおり、彼女は通りを走り、ひさしの下に身をかがめて笑いました。1 回の実行では 2.6 分で完了し、別の実行では約 11 分かかりました |
同じ設定に return_last_frame を追加 | MP4 と、最後のフレームの 854×480 の JPEG |
Flash の 4 つのエンドポイントすべてで、4 秒・480p の実行は 84 秒から約 11 分かかったため、速度の向上は確認できていません。長いクリップや 720p はさらに時間がかかります。複数ショットを通しでつなぐ検証と mov のテストは行っていません。同じ内容を二重に送ると 2 本目のレンダーが始まるので、先に送ったタスクの完了を待ってください。
制限とエラー
- 4〜30 秒、
480pか720p、記載の比率から外れる値は、送信時に拒否されます。 - モデルは独自の著作権・肖像のチェックを行っており、私たちのテキストのリクエストの 1 件がそこで止まりました。実在の人物や保護されたキャラクターの名前ではなく、架空の人物を使って書き直してください。失敗したタスクにはエラーメッセージが付き、課金されません。
- ByteDance Seed は、複雑な動きの物理表現や、複数の被写体が絡み合うシーンにはまだ改善の余地があるとしているため、1 つのショットは被写体 1〜2 人にとどめてください。
- Flash には、1080p、4K、動画延長のエンドポイントがありません。完成したファイルは 14 日間利用できます。
別のエンドポイントやモデルを選ぶとき
- Seedance 2.5:720p を超える納品、4K、クリップの延長、ドラフトからのアップスケール。
- Seedance 2.0 Fast:480p と 720p の前世代の高速版で、Flash にはない延長エンドポイントがあります。
- Flash 画像から動画:ショットを 1 枚の画像から始めたいとき、または返された最後のフレームから続けるとき。
- Flash リファレンスから動画:顔、商品、カメラの動き、声を手持ちのファイルから取り込むとき。
- Flash 動画編集:すでにある映像のスタイルを変えるとき。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seedance-2.5-flash/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"output_format": "mp4",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。










